$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
EM maakt analyse van de cellulaire context met hoge resolutie beeldvorming van macromoleculen in biologische context. Nochtans beperkt dit typisch het gezichtsveld. Grotere schaal 3D EM is in het bijzonder geschikt voor het in kaart brengen van neuronale verbindingen door het creëren nanoschaal resolutie 3-dimensionale reconstructies, vereisen complexe gegevensverwerking 10. Daarentegen 2D grootschalige EM vereist slechts één sectie en stikken van de beeldgegevens, en evaluatie van de gegevens kan door iedereen met toegang tot een internetbrowser. Wij en anderen voorheen grootschalige EM weefsels en gehele dieren analyseren. Zoals voor de meeste benaderingen, TEM en SEM-gebaseerde stitching hebben hun eigen voordelen. Hier, scanning transmissie EM (STEM) werd gebruikt die generatie van een groot gezichtsveld maakt het mogelijk met een hoge resolutie. Kenmerkend beeld een STEM is gelijk aan het gezichtsveld van ongeveer 100 TEM beelden aanzienlijk verminderen van de hoeveelheid stiksel bij beeldvorming grote fields gezien met een hoge resolutie. Als hogere resolutie vereist is, kunnen TEM voordelig zijn. STEM heeft het voordeel boven TEM dat niet-contrast monsters kunnen worden gebruikt met goede ultrastructurele contrast 6.
Daarnaast kan de hier beschreven werkwijze eenvoudig worden aangepast voor gebruik met terugverstrooide elektronen detectie (BSD) op gedeelten aangebracht op silica wafers, bredere inzet van meerdere microscoopsystemen. HTML-zoomable weefsel EM-bestanden zijn zeer nuttig voor het kwantificeren, het delen van gegevens die niet zijn geanalyseerd om de volledige inhoud, een combinatie van LM en EM data (CLEM) 8, presentatie doeleinden in het wetenschappelijk onderzoek naar de patiënt te analyseren en voor het onderwijs. Als alternatief, in grootschalige EM in een SEM, maar niet in een TEM, silica wafers kunnen worden gebruikt, waarbij twee voordelen heeft: BSD kan worden gebruikt, die meer in het algemeen op rasterelektronenmicroscoop dan STEM detectie. Ten tweede, de montage van grote delen (> 1 mm 2 gebieden vanrente) is eenvoudig. Montage op enkele sleuven grids is arbeidsintensief en technisch uitdagend. Gedetailleerde vergelijking tussen TEM, SEM en STEM wordt elders 6 gedetailleerd. Een nadeel van BSD beeldvorming is dat, in vergelijking met STEM, afbeeldingen zijn toegenomen lawaai. Dit kan ten dele worden gecompenseerd door verhoging van de pixel verblijftijd resulteert in veel langere opnametijden.
Hoewel voor de monstervoorbereiding relatief standaard EM verwerking (fixatie, inbedden en snijden) nodig 5-7 is het technisch moeilijk om grote ultradunne coupes totaal geen artefacten gesneden. Secties zijn erg kwetsbaar, gemakkelijk breken, vouwen of worden vernietigd tijdens de beeldvorming, die doorgaans duurt meerdere uren per dataset. Vanwege het online delen van de ruwe onpartijdige data, zou het mogelijk worden om gemakkelijker te vergelijken met gepubliceerde gegevens en gebruik dataset gepubliceerd in het open domein als controles. Op dit moment, enkele EM-apparaten in staat laRGE-schaal analyse in gebruik zijn, en dus de toegankelijkheid van deze techniek is enigszins beperkt, hoewel de meeste imaging centra gezamenlijke inspanningen van harte welkom.
Voor grootschalige luiken bevat weefsel door het monster goed zijn bevestigd. Daarom is een mengsel van de snelle maar matige PFA fixatief wordt gebruikt in combinatie met de langzame maar sterk fixeermiddel GA. Snijden en het oppakken van grote delen zonder artefacten is moeilijk. Werken met wafels in combinatie met BSD is eenvoudiger in vergelijking met het verzamelen van hoofdstukken over een gat grids. Heavy metal na kleuring is kritischer ten opzichte van de klassieke EM. Omdat de hele sectie wordt afgebeeld zullen elke artefact zichtbaar. TEM gebruikers vinden meestal moeilijk om naar een SEM, vanwege het verschil in werking microscoop.
Kwantificering en delen van gegevens - Het kwantificeren van subcellulaire kenmerken is moeilijk in enkele EM beelden. De mogelijkheid om in en uit te zoomen op grote schaalbeelden maakt gemakkelijk identificatie van cellen van belang, dat kan worden gevolgd door nanoschaal metingen in de cellen. Deze datasets geven aan dat specifieke celtypen kunnen snel worden geïdentificeerd en gekwantificeerd onpartijdige wijze in deze grote weefselcoupes, gebaseerd op kenmerken detecteerbaar verschillende schalen. Bijvoorbeeld microglia kunnen worden geïdentificeerd op basis van hun morfologie en dichte cytoplasma. Vervolgens, na het inzoomen op de afzonderlijke cellen, nanoschaal subcellulaire en moleculaire kenmerken van deze cellen kan worden gemeten in dezelfde dataset, zoals we eerder toonden voor ER breedte binnen een grootschalig EM weefselkweek dataset 2. Een bijkomend voordeel van nanotomy is dat de hosting van grootschalige datasets online zal toestaan dat anderen de gegevens, misschien voor andere functies te inspecteren, en hun conclusies te trekken over nieuwe hypothese.
CLEM - Naast het faciliteren van kwantitatieve EM, grootschalige EM maakt het makkelijker om het licht Micr correlerenpic etikettering EM level 8. In het onderhavige voorbeeld de aanwezigheid van fagocyterende microglia in een zebravis ablatie model weergegeven. Een belangrijke vraag in de neurowetenschappen is wat de afzonderlijke functies en de bijdragen van microglia en mogelijke andere bronnen van fagocytische en immuuncellen. Vroege EM studies hebben aangetoond subcellulaire onderscheidende kenmerken van microglia ziekte 18. Helaas is het moeilijk om selectief labelen microglia met name in een pathologische omgeving, omdat zij grote overlap met andere immuuncellen in genexpressie, morfologie en functie vertonen. Daarom is het onduidelijk of en wanneer microglia op het ultrastructurele niveau verschillen van immuuncellen uit andere bronnen, waaronder monocyten afgeleide infiltrerende macrofagen. Begrijpen of er ultrastructurele verschillen tussen deze cellen uitgangspunt voor analyse van functionele verschillen toe. De combinatie van selectieve transgene of expressie merkers en CLEM maakt detectie van ultrastructurele functies selectief aan specifieke bevolkingsgroepen.
Diagnose & presentatie en onderwijs - Door het visualiseren van nanoschaal tot microschaal binnen één dataset EM data wordt aanzienlijk vergemakkelijkt voor een breed publiek. Met de toegenomen mogelijkheden en instrumenten voor correlatieve en grootschalige EM verwachten we een herleving van EM in fundamenteel en medisch onderzoek. Onze methode hier voorgesteld wordt toegevoerd aan een zebravis hersentraumamodel 5, maar is gebruikt op menselijk weefsel 7, rattenhersenen 3, in een diermodel voor diabetes 4 en in celkweek 2, en kan ook worden gebruikt in combinatie met een TEM gebaseerde benadering 1 toont de veelzijdigheid van deze methode. De microscoop operator is niet meer de opname sterk geselecteerd, en dus bevooroordeeld beelden, maar al talrijke ultrastructurele functies worden geregistreerd en geopend voor de wereldwijde analyse.